一直用的TensorFlow（keras）来完成一些工作，因许多论文中的模型用pytorch来实现，代码看不懂实在是不太应该。正好趁此假期，疫情原因无法出去浪，在家学一下pytorch。
游戏用笔记本自带GeForce 1050显卡，可用GPU，想着不用白不用，先装一个GPU版本再说。但是我按照网上的所有方法，torch.cuda.is_available()总是返回False。有轻微强迫症的我，不解决掉是睡不好的。
首先说一下我所做的工作顺序。说不定能有参考。（系统：WIN10）
1.安装CUDA
此处有其他大量且优质的帖，故不在此详述。我自己的机器支持CUDA10.2，但是我安装的是CUDA10，按理说应该版本是向下支持的。安装正确在cmd中敲nvcc -V能显示即可。
NVIDIA-smi命令截图如下。感觉是没什么问题的，驱动版本也挺高。
2.安装对应版本的pytorch
首先想到的肯定是官网安装。conda+重新开放的清华源=神速。此处是我自己的一个大坑。
3.安装cudnn等
同样，有大量帖子教学。我是在一直失败，走投无路，抱着安装一下试试的想法，结果并无卵用。
玄学解决
网上的攻略说产生此类问题的主要原因在于驱动安装的不正确。但我自己的情况并不符合。
在搜了大量的帖子无果后。偶然发现，使用官网conda命令下载的，居然全是CPU版本。
无论我怎么尝试使用conda下载任何版本，都是cpu版本的。可能是清华源的问题？？
既然conda无法用，那就用pip。官网的pip命令，不知道是不是我的问题，就算使用各种源，速度也超级慢，还会中断，700M+硬是下不下来。无奈使用本地下载方法。
在此处寻找符合自己版本的pytorch-cuda版本，torchvision版本下载。
https://download.pytorch.org/whl/torch_stable.html
（速度同样极慢！但是不会断了。。。。勉强能下）
下载后pip install xxx(下载下来的文件名) 安装即可。
接下来就见证奇迹了。但是奇迹是怎么发生的，conda为什么只能下cpu版本，我一直没有搞明白。
补充：记录下pytorch安装中一个比较隐蔽的坑，torch.cuda.is_available()返回false的一个原因
如题，想要安装GPU版，一开始从网上找了教程，显卡驱动、CUDA、cuDNN挨个更新安装，都选择了10.1版本，安装完后在anaconda中按照官网提示输入下面的代码，可以看到cudatoolkit即GPU版
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
然后发现基本上大一点的包都下载不下来，包括pytorch、cudatoolkit等等，遂又从网上找教程，加清华源，加了几个之后下载很快，下载下来也可以用，以为已经成功了，但是torch.cuda.is_available()返回就是False。
最开始以为是开始安装的版本不匹配，然后又尝试了10.2版本的CUDA，结果还是一模一样，最后输入conda list后终于发现了问题所在：
可以看到第三列版本号前面的cpu，后来上清华源的网站上看了下，可能是清华源没有对应cuda版本的pytorch，所以会装cpu版的。
目前的解决方法有两个，可以去清华源网站上找对应的版本，https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/，安装输入命令行时将cuda版本改掉。也可以科学上网，直接从官网安装。
您可能感兴趣的文章:- 粗暴解决CUDA out of memory的问题
- PyTorch CUDA环境配置及安装的步骤(图文教程)
- 解决PyTorch与CUDA版本不匹配的问题
- 详解win10下pytorch-gpu安装以及CUDA详细安装过程
- 如何解决.cuda()加载用时很长的问题
